复杂光照下DPM图像自适应多阈值分割方法研究

复杂工况下,CCD相机采集到的DPM(Direct Part Mark)工业二维码图像受光照影响易出现大片光斑或阴影区域,造成DPM区域的信息遗漏,从而导致识别困难。为此,提出一种基于分段直方图凹度分析的多阈值自适应分割算法。首先在灰度直方图平滑的基础上计算出系列局部峰值,并借此完成直方图分段,再递推计算出每分段区域下凹处的分割阈值。其次通过引入基于阈值点局部区域信息的修正因子,使分割阈值自适应变化而更适用于局部对比度较低的状况。实验结果表明,该方法分割效果优于经典的阈值分割算法,平均运行效率比最快的多阈值分割算法提高17.75倍。经自适应局部阈值分割后,DPM图像复杂光照区域有用信息得以增强,缺失信息得以弥补,为后续的对象识别奠定基础。该方法也可推广于对比度多变的图像增强。

基于Canny算子的图像边缘检测优化算法

针对传统的Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出一种改进的Canny的边缘检测算法。首先用开关型中值滤波器抑制噪声,保持图像的边缘信息,然后采用直方图凹度分析自动选取双阈值,并用此高低阈值检测及连接图像的边缘,从而得到较为理想的图像边缘。实验结果表明,改进后的Canny算子具有很强的阈值自适应能力,能有效检测到图像中的细节梯度,并去除了伪边缘和噪声边缘,有效提高了边缘的检测精度和准确性。

基于阈值分割和Snake模型的弱边缘医学超声图像自动分割

医学超声图像分割是图像处理中的一项关键技术。文章以胆结石超声图像为例,介绍一种新的弱边缘超声图像自动分割算法。首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割。实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,分割效果良好,是一种全自动的超声医学图像分割方法。

弱边缘医学超声图像目标区域的自动定位与分割

医学超声图像分割是图像处理中的一项关键技术。以胆结石超声图像为例,介绍一种新的弱边缘超声图像分割算法。首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割。实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,且分割效果良好。